Nanjing University（南京大学）

ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interactive Tool-Use Agent Training

ScaleEnv: 从零开始构建通用交互工具使用智能体训练的环境合成

Dunwei Tu, Hongyan Hao, Hansi Yang, Yihao Chen, Yi-Kai Zhang, Zhikang Xia, Yu Yang, Yueqing Sun, Xingchen Liu, Furao Shen, Qi Gu, Hui Su, Xunliang Cai

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，中国南京） ； Institute of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, China（计算机科学与技术学院，哈尔滨工业大学（深圳），中国深圳） ； School of Statistics, East China Normal University, Shanghai, China（统计学学院，华东师范大学，中国上海） 纠错

AI总结 ScaleEnv通过从零构建交互式环境和可验证任务，提升通用智能体在多领域工具使用任务中的泛化能力与学习鲁棒性。

Confundo: Learning to Generate Robust Poison for Practical RAG Systems

Confundo: 学习生成稳健的毒药以应对实际RAG系统

Haoyang Hu, Zhejun Jiang, Yueming Lyu, Junyuan Zhang, Yi Liu, Ka-Ho Chow

机构 * The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 Confundo是一种学习生成毒药的框架，通过微调大型语言模型以提高RAG系统的鲁棒性和隐蔽性，有效应对实际系统中的安全威胁。

Enhance and Reuse: A Dual-Mechanism Approach to Boost Deep Forest for Label Distribution Learning

增强与重用：一种双机制方法用于提升深度森林用于标签分布学习

Jia-Le Xu, Shen-Huan Lyu, Yu-Nian Wang, Ning Chen, Zhihao Qu, Bin Tang, Baoliu Ye

机构 * Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University, Nanjing 211100, China（水利部水大数据技术重点实验室，河海大学，南京） ； College of Computer Science and Software Engineering, Hohai University, Nanjing 211100, China（计算机科学与软件工程学院，河海大学，南京） ； Department of Computer Science, City University of Hong Kong, Hong Kong 999077, China（计算机科学系，香港城市大学，香港） ； National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210023, China（新型软件技术国家实验室，南京大学，南京） 纠错

AI总结 本文提出ERDF方法，通过特征增强和测量感知的特征重用机制，提升深度森林在标签分布学习中的性能。

CoBA-RL: Capability-Oriented Budget Allocation for Reinforcement Learning in LLMs

CoBA-RL：面向大语言模型强化学习的基于能力的预算分配

Zhiyuan Yao, Yi-Kai Zhang, Yuxin Chen, Yueqing Sun, Zishan Xu, Yu Yang, Tianhao Hu, Qi Gu, Hui Su, Xunliang Cai

机构 * Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 CoBA-RL通过基于能力的价值函数和堆贪心策略，优化大语言模型强化学习中的预算分配，提升训练效率和泛化能力。

Scalable In-Context Q-Learning

可扩展的上下文Q学习

Jinmei Liu, Fuhong Liu, Zhenhong Sun, Jianye Hao, Huaxiong Li, Bo Wang, Daoyi Dong, Chunlin Chen, Zhi Wang

机构 * Nanjing University（南京大学） ； Australian National University（澳大利亚国立大学） ； Tianjin University（天津大学） ； University of Technology Sydney（悉尼大学） 纠错

AI总结 本文提出S-ICQL框架，通过动态规划和世界建模实现高效的奖励最大化和任务泛化，适用于决策领域。

Comments accepted by ICLR 2026

PackInfer: Compute- and I/O-Efficient Attention for Batched LLM Inference

PackInfer: 用于批量LLM推理的计算和I/O高效注意力

Rui Ning, Wei Zhang, Fan Lai

机构 * Nanjing University, Nanjing, China（南京大学） ； Siebel Center for Computer Science, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校计算机科学中心） 纠错

AI总结 PackInfer通过高效计算和I/O机制优化批量LLM推理，显著降低延迟并提升吞吐量。